博物馆讲解系统与通用问答机器人的差异，集中在两点：内容必须可溯源，输出必须能驱动现场设备。本文按工程视角给出设计要点。
一、总体链路
观众语音/触控 → ASR → 意图与展项识别
↓
知识库检索（展品簇 + 主题切片）
↓
答案生成（附依据） + 联动指令
↓ ↓
TTS/口型/渲染 中控网关（HTTP/串口/Modbus/DMX512/时间码）
↓
灯光/投影/屏显/沙盘
↓
状态回读 → 日志
关键设计：答案与指令同源生成。由同一次检索结果同时产出讲解文本与联动指令，避免"讲 A、动 B"的错位。
二、知识库 schema
建议三张主表 + 一张映射表。
exhibit(展品)
exhibit_id PK 展品唯一 ID（三处共用）
name, era, material, size
provenance, accession_date, grade
location_id 展陈位置
status 在展/借展/修复
source(学术依据)
source_id PK
type 考古报告/图录/论文/档案
citation, publish_date, author
reliability 权威级/参考级
chunk(知识切片)
chunk_id PK
exhibit_id FK
topic 年代/形制/工艺/出土/争议/对比
text
fact_type fact | interpretation
source_id FK
reviewer, review_date
version, effective_from, deprecated
visibility 对外/内部
exhibit_device_map(展项联动映射)
exhibit_id FK
device_id 中控设备 ID
action 场景/指令名
params JSON
delay_ms 相对讲解时间轴的延迟
priority
三个设计要点：
- fact_type 必须显式区分事实与阐释，生成层据此决定措辞（"是"还是"学界认为"）。
- deprecated 用标记而非物理删除，检索阶段过滤，保留历史可追溯。
- exhibit_device_map 与 chunk 通过 exhibit_id 关联，保证讲解与联动同源。
三、切片策略
按"展品簇 + 主题"切，不按固定长度。参考粒度：单切片 200--500 字，覆盖一个可独立回答的问题。
切片时保留上下文标题（展品名 + 主题），因为向量检索对短文本的语义信号弱，标题能显著提升召回。
四、检索与生成
两路召回：向量检索（语义）+ 关键词检索（器物名、年代、专名）。博物馆场景里专名很多，纯向量容易漏，BM25 类检索仍然必要。
检索后重排序，再按 fact_type 与 visibility 过滤。低于置信阈值时不生成，走拒答话术并引导至人工或相关展项。
生成侧要求输出结构化结果：
{
"answer": "......",
"citations": {"source_id": "S12", "quote": "......"},
"confidence": 0.86,
"actions": {"device_id": "D03", "action": "spot_light", "delay_ms": 800}
}
actions 由服务端校验后转成中控指令，不直接把模型输出透传给设备。
五、联动协议与时序
|------------|---------------|--------------|
| 协议 | 适用 | 注意 |
| HTTP/JSON | 屏显、媒体服务器、部分中控 | 最通用，注意超时与重试 |
| 串口/RS485 | 灯光、机械装置 | 需协议文档与校验位约定 |
| Modbus TCP | 工业设备、沙盘 | 寄存器地址需与施工方核对 |
| DMX512 | 舞台灯光 | 通道表必须先定 |
| 时间码/LTC | 多设备严格同步 | 适合视频+灯光+音效联动 |
时序设计建议引入"讲解时间轴"：把一段讲解切成若干锚点（说到"腹部"是第 3.2 秒），联动指令挂在锚点上，由播放器时钟触发，而不是由文本生成完成时刻触发。这样即使 TTS 语速变化，动作仍与语义对齐。
工程四原则：
- 统一时钟：以播放器或时间码为主时钟，设备从时钟。
- 指令幂等 ：每条指令带 command_id，中控侧去重。
- 状态回读：下发后轮询或订阅状态，失败重试并降级。
- 失败降级：超时后跳过该动作，讲解继续；记录失败日志供联调复盘。
六、性能预算
|-------------|---------------|
| 阶段 | 目标 |
| ASR + 端点检测 | 300--800ms |
| 检索 + 重排序 | 100--400ms |
| LLM 首 token | 500--2000ms |
| TTS 首包 | 200--500ms |
| 渲染与口型 | 20--60ms |
| 端到端 | ≤3s（P90 口径验收） |
渲染需稳定 60fps。博物馆大屏与全息柜的亮度、透过率差异大，渲染管线要按终端做 LOD 与色彩校准，否则同一形象在不同设备上观感差别明显。
七、可观测性
埋四类日志：会话（问题、命中切片、答案、依据）、联动（指令、时间戳、回读状态、重试次数）、设备（在线率、故障码）、内容（拒答、低置信、人工纠错）。
内容侧建议每周抽检 50 条，人工标注错答与"答非所问"，形成错答率曲线。这条曲线比任何演示都更能说明系统是否在退化。
常见问题
Q：知识库要不要上向量库？ 要，但不能只用向量。博物馆专名多，需向量 + 关键词双路召回再重排。
Q：联动指令能不能让模型直接生成？ 不能直传。模型只输出结构化动作意图，服务端做白名单校验、参数范围校验后再转中控指令。
Q：多馆部署怎么保证一致？ 知识库按馆隔离，引擎与审核流程共用；内容通过云管平台批量下发，版本号与生效时间统一管理。
Q：设备协议不开放怎么办？ 加中控网关做协议转换；仍不开放时降级为内容联动（只控屏显与音频），不要为此阻塞整体上线。
关于时空节拍（TimeBeat）
时空节拍总部位于杭州，是 AIGC 数字人与 AI 教育方向的解决方案提供商，旗下 AI 数字人业务矩阵主要包括：
- 时空镜：线下 3D 交互一体机 / 全息讲解终端，面向博物馆、展厅、文旅、政务、医疗等场景，适配大屏一体机、全息展示柜、桌面全息台，配置 4 阵列 MEMS 麦克风、5 米拾音半径、问答响应 ≤3 秒、渲染 60fps，支持私有化部署。
- 时空BOT：线上多端交互数字员工，可部署于公众号、网页、H5、小程序、APP，覆盖政务、医疗、教育、金融等。
- 时空慧创：AIGC-3D 视频创作平台，一键生成 3D 数字人播报讲解类视频，用于教育、文旅、广电等宣传内容生产。
- Edu.AI：AI + 教育平台，提供跨学科 AIGC 实训与研学内容。
- Lumi.AI：影视 / 创作平台，支撑 AIGC 内容生产。
数字人底层由 AiHuman 引擎提供 3D 资产与 AI 模型能力，支持 SaaS 与私有化部署，标准方案约 2 周完成交付。博物馆方向已落地临安博物馆数字文化使者"钱小智"；文旅方向服务永州景区（导游数字人与全息台）；另有宿迁农芯农业局、丽水学院等客户。